JP6112291B2 - 診断支援装置および診断支援方法 - Google Patents

Description

本発明は、医師による画像診断を支援する診断支援装置および診断支援方法に関する。

従来、医師による画像診断を支援するために、正常構造の医用画像である正常画像と、検査対象の医用画像である検査画像とをそれぞれ形状ベクトルで表し、正常画像の形状ベクトルと検査画像の形状ベクトルとを比較して、病変部を判定する装置が提案されている（例えば、特許文献１参照）。

特開２００４−４１６９４号公報

しかし、従来の装置では、正常画像の形状ベクトルと検査画像の形状ベクトルとの表現方法または算出方法が異なる場合には、両者を比較しても正確に病変部を判定できないという問題がある。このような問題は、正常画像の画像特徴量の基底表現に用いられる基底ベクトルと、検査画像の画像特徴量の基底表現に用いられる基底ベクトルとが異なる場合にも生じる。

そこで、本発明は、形状ベクトルに代表される画像特徴量の表現方法または算出方法に左右されることなく、正確に病変部を判定することのできる診断支援装置および診断支援方法を提供する。

本発明の一態様に係る診断支援装置は、互いに異なる基底ベクトルである、病変部の像を含むか否かが未知である検査画像の画像特徴量である検査特徴量の基底表現に用いる基底ベクトルと、病変部の像を含まない正常画像の画像特徴量である正常特徴量の基底表現に用いる基底ベクトルとを一致させる基底ベクトル一致化部と、各々が基底ベクトルを一致させた後の係数である、前記正常特徴量を基底表現した際の係数と、前記検査特徴量を基底表現した際の係数と、の差が、判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する病変判定部と、前記病変判定部による判定結果を出力する判定結果出力部とを備え、前記基底ベクトル一致化部は、前記検査特徴量の種類と前記正常特徴量との種類とが一致する場合に、前記検査特徴量の基底表現に用いる基底ベクトルを前記正常特徴量の基底表現に用いる基底ベクトルに一致させる変換処理を行うことにより、前記正常特徴量の基底ベクトルに係数を乗じた線形和で、前記検査特徴量を記述する基底ベクトル変換部を含み、前記病変判定部は、前記正常特徴量を基底表現した際の係数と、基底ベクトルが変換された後の前記検査特徴量の係数との差が、前記判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する。

この構成によると、基底ベクトル一致化部によって、検査特徴量の基底ベクトルと正常特徴量の基底ベクトルとが一致させられる。このため、基底ベクトルが異なるために、検査特徴量と正常特徴量とをそのままの状態では比較できない場合であっても、両者の比較が可能となる。よって、画像特徴量の表現方法または算出方法に左右されることなく、正確に病変部を判定できる。

なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。

本発明の診断支援装置および診断支援方法によれば、画像特徴量の表現方法または算出方法に左右されることなく、正確に病変部を判定できる。

図１は、特許文献１におけるランドマークの設定方法を説明するための図である。 図２は、形状ベクトルの算出方法の一例を示す図である。 図３は、本発明の一態様に係る診断支援装置の機能的な構成を示すブロック図である。 図４は、実施の形態１に係る診断支援装置および画像サーバの機能的な構成を示すブロック図である。 図５は、画像特徴量管理番号を説明するための図である。 図６は、正常構造の基底ベクトルと平均ベクトルを算出する方法を説明するための図である。 図７は、ウェーブレット変換による画像特徴量ベクトルの算出例を示す図である。 図８は、ハール型のマザーウェーブレットを用いたウェーブレット係数の算出例を示す図である。 図９は、基底ベクトルの向きと基底係数ベクトルとの関係を説明するための図である。 図１０は、基底ベクトルの向きを説明するための図である。 図１１は、病変の有無を判定するのに用いられる判定閾値の決定方法の一例を示す図である。 図１２は、実施の形態１に係る診断支援装置の実行する処理のフローチャートである。 図１３は、実施の形態２に係る診断支援装置の機能的な構成を示すブロック図である。 図１４は、実施の形態３に係る診断支援装置の機能的な構成を示すブロック図である。 図１５は、実施の形態４に係る診断支援装置の機能的な構成を示すブロック図である。 図１６は、実施の形態５に係る診断支援装置の機能的な構成を示すブロック図である。 図１７は、実施の形態６に係る診断支援装置の機能的な構成を示すブロック図である。 図１８は、基底ベクトルの送信方法の一例を説明するための図である。 図１９は、正常画像の基底ベクトルを更新することができる診断支援装置の機能的な構成を示すブロック図である。

（本発明の基礎となった知見）
本発明者は、「背景技術」の欄において記載した、従来の装置に関し、以下の問題が生じることを見出した。

医用画像がデジタル化されたことで、医用画像と、コンピュータによるデータ処理との整合性が高まり、医師や技師の診断業務をＩＴシステムで支援できる機会が増えてきた。ＣＡＤ（Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｅｔｅｃｔｉｏｎ）はその一例であり、病変部の検出にコンピュータを活用する方法である。

診断医は通常、病変部を含まない正常構造のみから成る医用画像を記憶している。検査対象の医用画像である検査画像が提示されると、診断医は正常構造の医用画像である正常画像を思い浮かべて検査画像との比較を行う。診断医は、正常画像との違いを発見すると、違う箇所が病変部であると判断する。コンピュータ処理において、２つのデータの差分を計算することは基本的な機能であり、正常画像と検査画像との比較から病変部を検出する画像診断は、コンピュータ処理が得意とするところである。

しかし、差分計算を行うには正常画像と検査画像との位置合わせを行っておく必要がある。正常画像を作るには、通常、過去の医用画像が利用される。検査画像を診断医が確認した結果、病変部が見つからなければ、この画像は正常画像となる。患者が過去に撮影した検査画像に病変部が存在しなければ、この検査画像を正常画像として利用できる。しかし、撮影条件の違いまたは体型の変化などの様々な要因から、同一患者であっても正常画像と検査画像との位置が食い違うことが通常である。また、検査画像を初めて撮影する場合には比較対象とする画像が存在せず、正常画像を得ることはできない。この場合には、他の患者の正常画像を利用することになるが、他の患者との体型の違いから正常画像と検査画像との位置合わせが必要になる。

ところで、正常画像は過去に撮影され、病変がないことを確認した画像から作成される。その理由は、第一に、初めて撮影された患者の検査画像には比較対象となる医用画像が存在しないためであり、上述したとおりである。第二に、医学的知識は過去症例の積み上げで構築される傾向にあり、病変を含まない正常画像に関しても、過去症例から作成した方が、医学的利用価値が高くなる可能性が高いからである。医学的知識は、日進月歩で向上しており、過去症例の解釈が改善されることがしばしば起こる。ＩＴシステムに登録した医学的知識は、常に更新が必要であり、正常画像も例外ではない。

そこで、複数の患者の正常画像を集めて、これらを網羅的に表現できるような汎用性の高い正常画像を作ることが望ましい。その具体的実現方法として、たとえば特許文献１が開示するように、正常画像を平均形状と固有形状の線形和で表現する。すなわち、正常画像を表わす形状ベクトルｘは以下の式１で表現される。

ここで、ｘ_ａｖｅは平均形状ベクトル、Ｐｓは形状の固有ベクトル、ｂｓは形状係数のセットを表わす。

式１を計算するには、平均形状ベクトルｘ_ａｖｅと形状の固有ベクトルＰｓが必要であり、画像情報をベクトル化するために、図１に示すようなランドマークＭを画像上に設定する。図中の複数の黒点がランドマークＭである。ランドマークＭのｘ座標およびｙ座標がベクトルの要素となり、画像情報がベクトル化される。検査画像Ｐ１、Ｐ２、Ｐ３に示すように、複数の正常画像で個別にランドマークを設定し、形状ベクトルを定義し、これらから平均ベクトルと固有ベクトルを算出する。なお、検査画像についても同様に式１で表すことができる。

以上説明したベクトルを用いて、正常画像と検査画像の位置合わせを行い、正常画像と検査画像の差分から病変部を検出して、画像診断の支援を行う。

しかし、従来の技術では、正常画像と検査画像との間で形状ベクトルの表現方法が異なると、式１が表す正常画像の互換性が失われる。たとえば、両者の間でランドマークの数が異なれば形状ベクトルの次元数が合わなくなる。また、ランドマークを用いた算出方法とは異なる他の算出方法を用いて形状ベクトルを表現することもできる。例えば、形状ベクトルを図２に示すように、中心画素の画素値と、中心画素と隣接８画素の各々との間の画素値の差分とからなる９次元ベクトルで表現することも可能である。図２において、ｄｘ（ｘ＝１〜９）を画素値とした場合に、上記９次元ベクトルは、（ｄ５，ｄ５−ｄ１，ｄ５−ｄ２，ｄ５−ｄ３，ｄ５−ｄ４，ｄ５−ｄ６，ｄ５−ｄ７，ｄ５−ｄ８，ｄ５−ｄ９）として表現できる。このような方法により表現された形状ベクトルは、ランドマークのｘ座標およびｙ座標で構成した形状ベクトルとは異なる。さらに、ウェーブレット変換など、広く利用されている符号化方式を使って形状ベクトルを算出することも考えられる。

本発明は、形状ベクトルに代表される画像特徴量の表現方法または算出方法が異なる場合であっても、正確に病変部を判定することのできる診断支援装置および診断支援方法を提供する。

本発明の一態様に係る診断支援装置は、互いに異なる基底ベクトルである、病変部の像を含むか否かが未知である検査画像の画像特徴量である検査特徴量の基底表現に用いる基底ベクトルと、病変部の像を含まない正常画像の画像特徴量である正常特徴量の基底表現に用いる基底ベクトルとを一致させる基底ベクトル一致化部と、各々が基底ベクトルを一致させた後の係数である、前記正常特徴量を基底表現した際の係数と、前記検査特徴量を基底表現した際の係数と、の差が、判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する病変判定部と、前記病変判定部による判定結果を出力する判定結果出力部とを備える。

図３は、この診断支援装置の機能的な構成を示すブロック図である。つまり、診断支援装置は、基底ベクトル一致化部１９０１と、病変判定部１０７と、判定結果出力部１０９とを備える。

この構成によると、基底ベクトル一致化部によって、検査特徴量の基底ベクトルと正常特徴量の基底ベクトルとが一致させられる。このため、基底ベクトルが異なるために、検査特徴量と正常特徴量とをそのままの状態では比較できない場合であっても、両者の比較が可能となる。よって、画像特徴量の表現方法または算出方法に左右されることなく、正確に病変部を判定できる。

例えば、前記基底ベクトル一致化部は、前記検査特徴量の種類と前記正常特徴量との種類とが一致する場合に、前記検査特徴量の基底表現に用いる基底ベクトルを前記正常特徴量の基底表現に用いる基底ベクトルに一致させる変換処理を行うことにより、前記正常特徴量の基底ベクトルに係数を乗じた線形和で、前記検査特徴量を記述する基底ベクトル変換部を含み、前記病変判定部は、前記正常特徴量を基底表現した際の係数と、基底ベクトルが変換された後の前記検査特徴量の係数との差が、前記判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定してもよい。

この構成によると、検査特徴量の基底ベクトルと正常特徴量の基底ベクトルとを一致させるための変換処理が実行される。このため、画像特徴量の表現方法が異なるために、検査特徴量と正常特徴量とをそのままの状態では比較できない場合であっても、両者の比較が可能となる。よって、画像特徴量の表現方法に左右されることなく、正確に病変部を判定できる。

例えば、上述の診断支援装置は、さらに、前記正常特徴量を基底表現した際の係数を少なくとも１つ格納している正常係数格納部を備え、前記病変判定部は、前記正常係数格納部が格納している前記正常特徴量の係数の中から選択された一の正常特徴量の係数と、基底ベクトルが変換された後の前記検査特徴量の係数との差が、前記判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する。

また、前記基底ベクトル変換部は、さらに、前記正常特徴量と同一の種類の正常画像の画像特徴量を基底表現した際の第１の係数を外部の装置から受信し、前記第１の係数に対応する第１の基底ベクトルを、前記正常係数格納部が格納している前記正常特徴量の係数に対応する第２の基底ベクトルに一致させる変換処理を行うことにより、前記第１の係数に対応する画像特徴量を、前記第２の基底ベクトルに第２の係数を乗じた線形和で記述し、前記第２の係数を前記正常係数格納部に追加しても良い。

この構成によると、正常係数格納部が格納している正常特徴量の係数に対応する基底ベクトルとは異なる基底ベクトルを用いて基底表現された正常画像に対応する係数を、受信した場合であっても、基底ベクトルを一致させるための変換処理が実行される。このため、画像特徴量の表現方法に左右されることなく、正常画像の画像特徴量の係数を、正常係数格納部に追加できる。

また、上述の診断支援装置は、さらに、前記検査特徴量の基底ベクトルを分割した第１データと第２データとを異なる時間に受信し、受信した前記第１データと前記第２データとを結合することにより、前記検査特徴量の基底表現に用いる基底ベクトルを復元するデータ受信部を備えても良い。

この構成によると、第三者が第１データまたは第２データを傍受等により取得できたとしても、一方のみからは基底ベクトルを復元できない。このため、第三者が、検査特徴量の係数を入手できたとしても、基底ベクトルを有していないため、検査画像を復元できない。これにより、情報セキュリティが維持される。

また、上述の診断支援装置は、さらに、前記正常特徴量を基底表現した際の係数と、基底ベクトルが変換された後の前記検査特徴量の係数との差が、基準値よりも大きい場合に、前記正常特徴量の基底ベクトルを更新するための指示を出力する最近傍検出監視部を備えても良い。

この構成によると、想定外の検査画像が入力されたために検査特徴量が正常特徴量と大きく異なってしまった場合に、正常特徴量の基底ベクトルを更新できる。

また、前記基底ベクトル一致化部は、前記検査特徴量の種類と前記正常特徴量との種類とが一致しない場合に、前記検査特徴量を画素値に変換することにより、前記検査画像を復元する画素値変換部と、復元された前記検査画像から、前記正常特徴量と同一の種類の画像特徴量を算出する画像特徴量算出部と、前記画像特徴量算出部が算出した前記画像特徴量を、前記正常特徴量の基底表現に用いる基底ベクトルに係数を乗じた線形和で記述する基底表現部とを含み、前記病変判定部は、前記正常特徴量を基底表現した際の前記係数と、前記基底表現部での記述に用いられた前記係数との差が、前記判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定しても良い。

この構成によると、正常画像と検査画像との間で画像特徴量の算出方法が異なる場合に、検査画像の画像特徴量から検査画像を復元した後、正常特徴量の算出方法と同一の算出方法を用いて、復元された検査画像の画像特徴量が算出される。このため、正常画像の画像特徴量と検査画像の画像特徴量とを比較できる。よって、画像特徴量の算出方法に左右されることなく、正確に病変部を判定できる。

例えば、上述の診断支援装置は、さらに、前記正常特徴量を基底表現した際の前記係数を少なくとも１つ格納している正常係数格納部を備え、前記画素値変換部は、さらに、前記正常特徴量とは異なる種類の、正常画像の画像特徴量を、外部の装置から受信し、受信した前記画像特徴量を画素値に変換することにより、前記正常画像を復元し、前記画像特徴量算出部は、さらに、復元された前記正常画像から、前記正常特徴量と同一の種類の画像特徴量を算出し、前記基底表現部は、さらに、前記画像特徴量算出部が算出した前記画像特徴量を、前記正常特徴量の基底表現に用いる基底ベクトルに係数を乗じた線形和で記述し、当該係数を前記正常係数格納部に追加しても良い。

この構成によると、正常係数格納部が格納している係数に対応する正常特徴量とは異なる算出方法により算出された、正常画像の画像特徴量を受信した場合であっても、以下の処理が行われる。つまり、受信した画像特徴量から正常画像を復元した後、正常特徴量の算出方法と同一の算出方法を用いて、復元された正常画像の画像特徴量が算出される。このため、画像特徴量の算出方法に左右されることなく、正常画像の画像特徴量の係数を、正常係数格納部に追加できる。

また、上述の診断支援装置は、さらに、前記正常特徴量を基底表現した際の前記係数を、前記正常特徴量に変換する画像特徴量変換部を備え、前記基底表現部は、前記画像特徴量変換部が変換した後の前記正常特徴量と、前記画像特徴量算出部が算出した画像特徴量と、から基底ベクトルを算出し、変換された後の前記正常特徴量と算出された前記画像特徴量の各々を、算出した前記基底ベクトルに係数を乗じた線形和で記述しても良い。

この構成によると、正常画像と検査画像との間で画像特徴量の算出方法が異なる場合に、検査画像の画像特徴量から検査画像を復元した後、正常特徴量の算出方法と同一の算出方法を用いて、復元された検査画像の画像特徴量が算出される。また、正常特徴量と復元された検査画像の画像特徴量とを、それらから算出される基底ベクトルの係数を用いて表現できる。このため、正常画像の画像特徴量と検査画像の画像特徴量とを比較できる。よって、画像特徴量の算出方法に左右されることなく、正確に病変部を判定できる。

また、上述の診断支援装置は、さらに、前記正常特徴量を基底表現した際の前記係数を少なくとも１つ格納している正常係数格納部を備え、前記画素値変換部は、さらに、前記正常特徴量とは異なる種類の、正常画像の画像特徴量を、外部の装置から受信し、受信した前記画像特徴量を画素値に変換することにより、前記正常画像を復元し、前記画像特徴量算出部は、さらに、復元された前記正常画像から、前記正常特徴量と同一の種類の画像特徴量を算出し、前記基底表現部は、さらに、前記画像特徴量変換部が変換した後の前記正常特徴量と、前記画像特徴量算出部が算出した画像特徴量と、から基底ベクトルを算出し、算出した前記画像特徴量を、算出した前記基底ベクトルに係数を乗じた線形和で記述し、当該係数を前記正常係数格納部に追加しても良い。

この構成によると、正常係数格納部が格納している係数に対応する正常特徴量とは異なる算出方法により算出された、正常画像の画像特徴量を受信した場合であっても、以下の処理が行なわれる。つまり、受信した画像特徴量から正常画像を復元した後、正常特徴量の算出方法と同一の算出方法を用いて、復元された正常画像の画像特徴量が算出される。また、正常特徴量と復元された正常画像の画像特徴量とを、それらから算出される基底ベクトルの係数を用いて表現できる。このため、画像特徴量の算出方法に左右されることなく、正常画像の画像特徴量の係数を、正常係数格納部に追加できる。

なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせで実現されてもよい。

以下、実施の形態について、図面を参照しながら具体的に説明する。

なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

（実施の形態１）
本実施の形態では、画像特徴量の算出方法を識別するための画像特徴量管理番号を複数の施設で共有することで、画像特徴量の算出方法の違いに左右されることなく、病変部を検出できる診断支援測装置について説明する。

図４は、実施の形態１に係る診断支援装置１００および画像サーバ１５０の機能的な構成を示すブロック図である。

画像サーバ１５０は、患者を検査するための検査データ１５１と、画像特徴量管理番号１５２とを診断支援装置１００に送信する。検査データ１５１は、患者の検査画像の画像特徴量である。検査データ１５１は、検査画像を基底表現した際の基底ベクトルと基底係数ベクトルとを含む。画像特徴量管理番号１５２は、当該画像特徴量の算出方法を識別するため番号である。

診断支援装置１００は、診断支援装置１００が設置されている施設とは別の施設が有する画像サーバ１５０から、検査データ１５１および画像特徴量管理番号１５２を受信し、検査データ１５１に基づいて、検査画像と正常画像の異なる箇所である病変部を検出する。

診断支援装置１００は、通信制御部１０１、データ受信部１０２、画像特徴量照合部１０３、正常係数格納部１０４、基底ベクトル変換部１０５、最近傍ベクトル検出部１０６、病変判定部１０７、閾値記憶部１０８、判定結果出力部１０９、および判定結果表示部１１０を備える。

画像サーバ１５０は、通信制御部１５３と、データ送信部１５４とを備える。

通信制御部１０１は、画像サーバ１５０に対して、診断支援装置１００が画像サーバ１５０から検査データ１５１および画像特徴量管理番号１５２を受信することを通知する。また、データ受信部１０２に対して、データ受信部１０２が検査データ１５１および画像特徴量管理番号１５２を受信することを伝える。

画像特徴量管理番号１５２は、図５に示すように、画像特徴量の算出方法ごとに便宜上割り当てられる番号であり、診断支援装置１００と画像サーバ１５０とで共通の番号を使う。

画像特徴量管理番号１５２が１の場合、画像特徴量の算出方法はウェーブレット変換であり、ウェーブレット変換のカーネルにはハールを用いる。ウェーブレット変換の階層数は３である。

画像特徴量管理番号１５２が２の場合、画像特徴量の算出方法は同じくウェーブレット変換であり、ウェーブレット変換のカーネルにはメキシカンハットを用いる。ウェーブレット変換の階層数は２である。

画像特徴量管理番号１５２が３の場合、画像特徴量の算出方法はＳＩＦＴ（Ｓｃａｌｅ−Ｉｎｖａｒｉａｎｔ Ｆｅａｔｕｒｅ Ｔｒａｎｓｆｏｒｍ）である。

画像特徴量管理番号１５２が４の場合、画像特徴量の算出方法は着目画素と隣接画素との差分演算である。

画像特徴量管理番号１５２が５の場合は、特許文献１のように、複数のランドマークの画像座標を用いて画像特徴量を表す。

なお、この動作において、画像サーバ１５０の通信制御部１５３は、データ送信部１５４に対して、検査データ１５１および画像特徴量管理番号１５２の送信を指示するが、画像サーバ１５０の構成や動作は本発明が制限を与える事項ではない。

データ受信部１０２は、画像サーバ１５０から検査データ１５１と画像特徴量管理番号１５２を受信すると、検査データ１５１を基底ベクトル変換部１０５へ、画像特徴量管理番号１５２を画像特徴量照合部１０３へ渡す。

画像特徴量照合部１０３は、正常係数格納部１０４に格納されている正常画像の画像特徴量（係数）の画像特徴量管理番号を保持しており、画像サーバ１５０から受け取った画像特徴量管理番号１５２と一致するか照合する。画像特徴量管理番号１５２と一致しない場合は、画像特徴量照合部１０３は、一致しない旨を通信制御部１０１に伝え、これに呼応して、通信制御部１０１は画像サーバ１５０にデータ送信の中止を要求する。

正常係数格納部１０４は、正常画像の基底係数ベクトルを保持している。

正常画像の基底係数ベクトルは、行列として、以下のように与えられる。

ここで、行列Ｂは後述する正常構造基底ベクトル行列、ベクトルｇは後述する正常構造平均ベクトルを表わす。式２は式１を形状係数のセットｂｓについて解いたものである。式１と式２の対応関係は以下のとおりである。

形状ベクトルｘ ⇔ 正常画像特徴量ベクトルｆｐ
平均形状ベクトルｘ_ａｖｅ ⇔ 正常構造平均ベクトルｇ
形状の固有ベクトルＰｓ ⇔ 正常構造基底ベクトル行列Ｂ
形状係数のセットｂｓ ⇔ 正常画像基底係数ベクトルαｐ

正常構造基底ベクトル行列Ｂと正常構造平均ベクトルｇは、図６に示すように、多数の正常画像から得られた画像特徴量ベクトルをもとに算出される。例えば、正常画像の幅がＷ、高さがＨとすると、１枚の正常画像から（Ｗ×Ｈ）本の画像特徴量ベクトルが算出される。正常画像の枚数をＱ枚とすると、Ｑ枚の正常画像から（Ｗ×Ｈ×Ｑ）本の画像特徴量ベクトルが得られる。画像特徴量ベクトルの次元数はｎ次元とする。

画像特徴量の算出には、たとえば、ウェーブレット変換を用いる。

図７は、ウェーブレット変換によるスケールｔの多重解像度表現を示す図である。スケール１では、着目画素と隣接画素との輝度差が算出され、スケール２へ移行する際に複数画素での平滑化が施される。スケール２でも、着目画素と隣接画素との輝度差が算出されるが、スケール２の各画素は、スケール１の複数画素が平滑化されたものであり、スケール２の方が低い周波数成分となる。したがって、スケール１からスケールｔ（ｔは２以上の整数）まで計算を進めることで、高周波成分から徐々に低周波数成分へ移行しながら、ウェーブレット係数Ｖ、Ｈ、Ｄが各スケールで算出される。画像特徴量ベクトルは、各ステージで算出されたウェーブレット係数Ｖ、Ｈ、Ｄと、スケールｔの画像から算出される輝度平均値Ｌで構成され、（３ｔ＋１）次元になる。

ハール型のマザーウェーブレットを用いた場合、図８（ａ）に示すように、Ｖは処理対象の画素である着目画素３０の右隣接画素３１との輝度差分値、Ｈは着目画素３０の下隣接画素３２との輝度差分値、Ｄは右斜下隣接画素３３との輝度差分値、Ｌは着目画素３０、右隣接画素３１、下隣接画素３２、右斜下隣接画素３３からなる４つの画素の輝度平均値である。図８（ａ）はスケール１に相当し、図８（ｂ）はスケール２に相当する。スケール２の画像は、スケール１の画像の４つの画素の輝度平均値を１画素とする画像である。つまり、スケール２では、スケール１における４画素の輝度平均値である出力Ｌが輝度差分値の計算対象であるブロックの輝度値になる。スケール２における出力Ｖはブロック３４と右隣接ブロック３５との輝度差分値である。スケール２における出力Ｈはブロック３４と下隣接ブロック３６との輝度差分値である。スケール２における出力Ｄはブロック３４と右斜下隣接ブロック３７との輝度差分値である。また、スケール２における出力Ｌはブロック３４から右斜下隣接ブロック３７の４つのブロックの輝度平均値である。

なお、本実施の形態では、ウェーブレット係数を用いて画像特徴量ベクトルを説明したが、本発明はこれに限定されるものではなく、任意の画像特徴量を用いることができる。たとえば、ＳＩＦＴ特徴量、ＨＬＡＣ（Ｈｉｇｈｅｒ ｏｒｄｅｒ Ｌｏｃａｌ ＡｕｔｏＣｏｒｒｅｌａｔｉｏｎ）特徴量、またはＨＯＧ（Ｈｉｓｔｏｇｒａｍｓ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔｓ）特徴量などを用いることができる。

正常構造平均ベクトルｇは、画像特徴量ベクトルの要素ごとに平均値を算出することで求められる。

正常構造基底ベクトル行列Ｂは、主成分分析によって以下の式３の連立方程式の解である固有ベクトルｂ１、ｂ２、・・・、ｂｎとして算出される。

ここで、行列Ｓは分散共分散行列であり、以下の式４で与えられる。

また、固有値λは以下の式５で与えられる。

固有値λはｎ個求められ、大きい値から順番にλ１、λ２、…、λｎとする。

以上より、画像特徴量ベクトルを基底表現に変換し、正常画像基底係数ベクトルαを生成する。

基底ベクトル変換部１０５は、検査データ１５１の基底ベクトルの向きを、正常係数格納部１０４の基底ベクトルの向きに一致させることにより、検査データ１５１の基底ベクトルの向きを変換する。

基底表現は、同一データを表現する際、基底ベクトルの向きによって基底係数が異なってくる。式５では、固有値λを大きい順番に並べ替えたため、寄与率の高い順番に基底ベクトルが配置されている。このため、図９のようなデータ分布の例であれば、図９（ａ）のように、第１主成分６０１が最も大きな分散方向に配置されている。第２主成分６０２は、第１主成分に直交し、分散が２番目に大きな方向へ配置されている。一方、図９（ｂ）のように、各主成分の分散が同じになるように主成分を求めることもできる。すなわち、第１主成分６０３と第２主成分６０４はデータ分布を表す楕円に対して、同じような幅を持っている。

図９の見方を変えると、基底ベクトルの算出方法を式５に固定したとしても、データ分布が図１０（ａ）および図１０（ｂ）のように異なれば、算出される基底ベクトルは異なることになる。すなわち、図１０（ａ）は、図９（ａ）と同一であるが、データ分布が図１０（ｂ）にように変わると、主成分は、第１主成分７０１および第２主成分７０２になり、主成分の方向が変化する。

以上の考察から、診断支援装置１００と画像サーバ１５０が同じ画像特徴量を用いたとしても、データ分布の違いで基底ベクトルが異なることがわかる。各施設で日々蓄積されていく検査画像が、すべて同一である可能性はほぼセロであり、患者の違い、病気の違い、画像機器の違いなど、様々な要因でデータ分布は一致しない、と考える方が妥当である。そこで、図１０のような基底ベクトルの違いに対応する必要がある。

検査データの固有ベクトルｂ１、ｂ２、・・・、ｂｎを、正常係数格納部１０４が有する固有ベクトルに置き換えて、検査データの基底係数ベクトルを再計算することで、基底ベクトルの変換が実行できる。すなわち、基底ベクトルの変換は以下の式により表すことができる。

ここで、左辺は、診断支援装置１００の正常画像基底ベクトルで基底表現された検査データを示し、サフィックスｒを付記している。一方、右辺は、画像サーバ１５０の基底ベクトルで基底表現された検査データを示し、サフィックスｓを付記している。未知数は左辺の基底係数ベクトルαｒであり、式６を基底係数ベクトルαｒについて解けば基底ベクトルの変換が完了する。基底ベクトル変換部１０５は、正常係数格納部１０４と同じ基底ベクトルで表現された基底係数ベクトルとして、基底係数ベクトルαｒを出力する。

病変判定部１０７は、検査データの画素ごとに、基底係数ベクトルαｒと正常画像基底係数ベクトルαとの間の距離に基づいて、病変部の有り、無しを判定する。つまり、病変判定部１０７は、基底係数ベクトルαｒと正常画像基底係数ベクトルαとの間の距離と判定閾値とを比較する。病変判定部１０７は、算出した距離が判定閾値より大きい場合には、基底係数ベクトルαｒが算出された着目画素が病変部の画素であると判定し、距離が判定閾値より小さい場合には着目画素が正常部の画素であると判定する。なお、病変有無の判定閾値は過去症例から算出され、閾値記憶部１０８に予め格納されている。

図１１は、病変の有無を判定するのに用いられる判定閾値の決定方法の一例を示す図である。判定閾値は、画像特徴量算出部８０１と、基底表現部８０２と、最近傍ベクトル検出部１０６と、正常係数格納部１０４と、ベクトル距離算出部８０３とを備える判定閾値決定装置が決定する。

まず、病変部の存在が確認された病変画像が過去症例から取得され、病名ごとに分類される。次に、画像特徴量算出部８０１が、たとえば、病名Ｄに分類された病変画像Ｉｄの画像座標ごと（画素ごと）に複数の画像特徴量を算出し、算出した各画像特徴量をベクトルの要素とする病変画像特徴量ベクトルｆｄ（ｆｄ，１〜ｆｄ，ｎａ）を生成する。病変画像特徴量ベクトルｆｄは画素ごとに生成される。基底表現部８０２は、病変画像特徴量ベクトルｆｄを、式２のベクトルｆｐに代入し、ベクトルαｐに変換する。このベクトルαｐを病変画像基底係数ベクトルαｄとする。次に、最近傍ベクトル検出部１０６は、正常係数格納部１０４に格納されている正常画像基底係数ベクトルαの中から、病変画像基底係数ベクトルαｄに最も類似する正常画像基底係数ベクトルαを検出する。例えば、病変画像基底係数ベクトルαｄとの間の距離が最も小さい正常画像基底係数ベクトルαが検出される。ベクトル距離算出部８０３は、検出された最近傍の正常画像基底係数ベクトルαと、病変画像基底係数ベクトルαｄとの間の距離を算出し、算出した距離を病変有無の判定閾値とする。ただし、同一病名に分類される病変画像は多数存在するため、各病変部の各画素から算出される判定閾値の、平均値または中央値などを判定閾値とするのが妥当である。

なお、図１１では、病変画像を病名ごとに分類したが、病変画像に付随する所見などを利用して病状ごとに病変画像を分類できれば、病状判定用の判定閾値を算出できる。たとえば、腫瘍の病変画像を良性腫瘍の病変画像と悪性腫瘍の病変画像に二分し、それぞれの病変画像について判定閾値を求める。この２つの判定閾値を用いて病変判定部１０７が判定を行うことにより、腫瘍が良性であるか、悪性であるかの病状判定ができる。

判定結果出力部１０９は、病変判定部１０７による判定結果を、判定結果表示部１１０に出力する。判定結果表示部１１０は、ディスプレイ装置などにより構成され、判定結果出力部１０９より判定結果を受け、病変部が有りと判定された場合、病変部の画像座標の画素値を特定の色（たとえば赤や黄色など）で置き換えて、病変部の存在とその位置を画像として表示する。

判定結果出力部１０９は、病変判定部１０７による判定結果を出力する。

判定結果表示部１１０は、ディスプレイ装置などにより構成され、判定結果出力部１０９より判定結果を受け、病変部が有りと判定された場合、病変部の画像座標の画素値を特定の色（たとえば赤や黄色など）で置き換えて、病変部の存在とその位置を画像として表示する。

図１２は、診断支援装置１００の実行する処理のフローチャートである。

ステップＳ９０において、診断支援装置１００による病変部の判定処理に先立って、正常係数格納部１０４に正常画像基底係数ベクトルαが格納される。つまり、複数の正常画像から取得した画像特徴量ベクトルから基底ベクトルが算出される。正常画像をこの基底ベクトルの線形和で記述した際の係数をベクトルの要素とする正常画像基底係数ベクトルαが作成される。作成された正常画像基底係数ベクトルαが正常係数格納部１０４に格納される。

ステップＳ９１において、データ受信部１０２は、検査データ１５１と画像特徴量管理番号１５２を画像サーバ１５０から受信する。検査データ１５１には、検査画像の画像特徴量を基底表現した際の、基底ベクトルと基底係数ベクトルとが含まれる。

ステップＳ９２において、画像特徴量照合部１０３は、データ受信部１０２が受信した画像特徴量管理番号１５２と、正常係数格納部１０４に格納されている係数に対応する画像特徴量の画像特徴量管理番号とを比較する。このことにより、画像特徴量照合部１０３は、正常画像の画像特徴量と検査画像の画像特徴量が一致するか否かを確認する。両者が一致する場合は、ステップＳ９３へ進む。両者が不一致の場合は、ステップＳ９４へ進み、通信制御部１０１が、画像特徴量が一致しないことを画像サーバ１５０へ通知する。

ステップＳ９３において、基底ベクトル変換部１０５は、式６によって検査データの基底ベクトルを正常係数格納部１０４が保持する基底ベクトルに置き換え、基底係数ベクトルαｒを算出する。

ステップＳ９５において、最近傍ベクトル検出部１０６は、正常係数格納部１０４の正常画像基底係数αを参照して、基底係数ベクトルαｒの最近傍ベクトルを検出する。

ステップＳ９６において、病変判定部１０７は、検査画像の画素ごとに、検査画像基底係数ベクトルαｒと最近傍の正常画像基底係数ベクトルαとの間の距離を算出し、算出した距離と病変の有無を判断する判定閾値との比較を行う。

基底係数ベクトルαｒと最近傍の正常画像基底係数ベクトルαとの間の距離が判定閾値より大きい場合は、ステップＳ９７へ進む。ステップＳ９７において、病変判定部１０７は、その処理対象画素については「病変部あり」と判定し、判定結果を判定結果出力部１０９に出力する。判定結果表示部１１０は、判定結果出力部１０９より判定結果を受け、処理対象画素の画素位置に、たとえば、画素値＝１（白）を与えて、病変部を明示した差分画像を表示する。

一方、基底係数ベクトルαｒと最近傍の正常画像基底係数ベクトルαとの間の距離が判定閾値以下の場合は、ステップＳ９８へ進む。ステップＳ９８において、病変判定部１０７は、その処理対象画素については「病変部なし」と判定し、判定結果を判定結果出力部１０９に出力する。判定結果表示部１１０は、判定結果出力部１０９より判定結果を受け、処理対象画素の画素位置に画素値＝０（黒）を与えて差分画像を表示する。

以上の構成により、診断支援装置１００は、正常画像と検査画像の違いから病変部を検出できる。本実施の形態によると、画像特徴量管理番号を用いて画像特徴量の一致を確認し、一致する場合に検査データ１５１の基底ベクトルを変換する。このため、基底ベクトルが異なる場合であっても、施設間をつないだ画像診断を支援できる。つまり、画像特徴量の表現方法または算出方法に左右されることなく、正確に病変部を判定できる。

各施設で日々蓄積される医用画像は、疾病の種類、患者の体型、撮影部位、撮影装置の設定など、様々な条件の下、撮影が行われる。そこで、画像特徴量の算出方法を各施設で統一したとしても、画像データそのものが異なるため、画像特徴量は一致しない。診断支援装置１００が有する基底ベクトルの変換は、必然的に起こる画像特徴量の不一致を吸収して、正常画像データの共有を実現できる。

様々な医用画像が取得されるという状況は、時間軸上で画像データを複数に分けた場合にも発生する。すなわち、画像データを時間ｔよりも前に撮影された画像データと時間ｔ以降に撮影された画像データに分けた場合に、両者が全く同じ画像データの集まりになることは現実的ではない。したがって、時間ｔよりも前に撮影された画像データで作った正常画像と、時間ｔ以降に撮影された画像データで作った正常画像とは、基底ベクトルを変換しなければ対応付けることができない。

また、本実施の形態によると、大学病院と市中病院との連携や、同一病院内での救急担当部署と臨床科との連携など、様々な施設・組織・職能の連携を支援することができる。例えば、図４に示した画像サーバ１５０を市中病院に設置し、診断支援装置１００を大学病院に設置し、画像サーバ１５０と診断支援装置１００とをインターネットで接続することにより、両病院の連携を支援することができる。

（実施の形態２）
本実施の形態では、画像特徴量管理番号を複数の施設で共有することで、画像特徴量の算出方法の違いに左右されることなく、正常画像の画像特徴量を共有できる診断支援測装置について説明する。

図１３は、実施の形態２に係る診断支援装置１０００の機能的な構成を示すブロック図である。診断支援装置１０００は、通信制御部１００１と、データ受信部１０２と、画像特徴量照合部１０３と、正常係数格納部１０４と、基底ベクトル変換部１００５とを備える。なお、図４と同様の部分については同じ符号を付し、詳細な説明を省略する。

通信制御部１００１は、画像サーバ１００２に対して、診断支援装置１０００が画像サーバ１００２から正常画像基底係数ベクトル１００３と画像特徴量管理番号１５２を受信することを通知する。また、通信制御部１００１は、データ受信部１０２に対して、データ受信部１０２が正常画像基底係数ベクトルと画像特徴量管理番号を受信することを伝える。なお、正常画像基底係数ベクトル１００３は、正常画像の画像特徴量を基底表現した際の基底係数ベクトルである。

この動作において、画像サーバ１００２の通信制御部１００４は、データ送信部１５４に正常画像基底係数ベクトル１００３と画像特徴量管理番号１５２の送信を指示するが、画像サーバ１００２の構成や動作は本発明が制限を与える事項ではない。

基底ベクトル変換部１００５は、正常画像基底係数ベクトル１００３の基底ベクトルの向きを、正常係数格納部１０４の基底ベクトルの向きに変換した基底係数ベクトルαｒを、正常係数格納部１０４出力する。

以上の処理により、診断支援装置１０００は、他施設の画像サーバ１００２で作成された正常画像基底係数ベクトルを正常係数格納部１０４に追加できる。診断支援装置１０００は、正常画像に対する検査画像の差異から病変を判定する。したがって、保有する正常画像のバリエーションが豊富であるほど、病変判定の性能が上がる。加えて、データが多いほど全体像を捉えた信頼性の高い診断が可能になる。診断支援装置１０００は、患者の体型の違いや撮影装置の違いなどに左右されずに正常係数格納部１０４にデータを格納でき、病変検出の信頼性を高めることができる。

なお、実施の形態２によりデータが更新された正常係数格納部１０４は、実施の形態１に示した診断支援装置１００において利用される。

（実施の形態３）
本実施の形態では、画像特徴量管理番号を複数の施設で共有することで、画像特徴量の算出方法の違いに左右されることなく、病変部を検出できる診断支援測装置について説明する。特に、検査画像と正常画像とで画像特徴量の算出方法が異なる場合に、検査画像の画像特徴量を、一旦、画素値へ戻し、画素値から、正常画像と同じ種類の画像特徴量を再計算する形態を説明する。

図１４は、実施の形態３に係る診断支援装置１１００の機能的な構成を示すブロック図である。診断支援装置１１００は、通信制御部１０１と、画像特徴量照合部１１０１と、データ受信部１１０２と、画素値変換部１１０３と、画像特徴量算出部１１０４と、基底表現部１１０５と、正常係数格納部１０４と、最近傍ベクトル検出部１０６と、病変判定部１０７と、閾値記憶部１０８と、判定結果出力部１０９と、判定結果表示部１１０とを備える。なお、図４と同様の部分については同じ符号を付し、詳細な説明を省略する。

画像特徴量照合部１１０１は、正常係数格納部１０４に格納されている正常画像の画像特徴量（係数）の画像特徴量管理番号を保持しており、画像サーバ１５０から受け取った画像特徴量管理番号１５２と一致するか照合する。両者が一致している場合は、画像特徴量照合部１１０１は、データ受信部１１０２に対して、データ受信部１１０２の出力ポートＢから検査データ１５１を最近傍ベクトル検出部１０６へ出力させる。その後、実施の形態１に係る診断支援装置１００と同じ動作で病変検出が行われる。両者が一致しない場合は、画像特徴量照合部１１０１は、データ受信部１１０２に対して、データ受信部１１０２の出力ポートＡから検査データ１５１を画素値変換部１１０３へ出力させる。その後、画素値変換部１１０３および画像特徴量算出部１１０４が、検査データ１５１を、正常係数格納部１０４に格納されている基底係数ベクトルに対応する画像特徴量と同じ種類の画像特徴量に変換する。

つまり、画素値変換部１１０３は、検査データ１５１の基底係数ベクトルαｓに対して、式２に示す変換処理の逆変換処理を施すことにより、画像特徴量ｆｓへ戻す。さらに、画素値変換部１１０３は、画像特徴量ｆｓを画素値へ戻す。画像特徴量ｆｓを画素値へ戻す処理には公知の技術を用いることができる。例えば、画像特徴量ｆｓの算出にウェーブレット変換を用いた場合は、ウェーブレット逆変換を用いることにより、画像特徴量ｆｓを画素値へ戻すことができる。また、画像特徴量ｆｓの算出にランドマークを用いた場合は、画像特徴量ベクトルの要素がランドマークにおける画素値である。

画像特徴量算出部１１０４は、画素値変換部１１０３で変換された後の画素値を、正常係数格納部１０４に格納されている基底係数ベクトルに対応する画像特徴量と同じ種類の画像特徴量に変換する。以上の処理により、画像サーバ１５０から受信した検査データ１５１の基底係数ベクトルαｓと、正常係数格納部１０４に格納されている基底係数ベクトルとの画像特徴量の不一致が解消される。

基底表現部１１０５は、式２を用いて、画像特徴量ｆｓを基底係数ベクトルαｓに変換して、最近傍ベクトル検出部１０６へ出力する。

以上の処理により、診断支援装置１１００は、画像サーバ１５０との間で画像特徴量の算出方法が異なる場合であっても、検査画像の画像特徴量を再計算しなおすことにより、病変検出を可能にする。このため、ある施設で算出された検査画像の画像特徴量を他施設に送ることで他施設へ診断依頼を行う際に、画像特徴量の一致を確保しなくても、診断依頼を行うことができ、医療ワークフローをスムースに流すことができる。つまり、画像特徴量の表現方法または算出方法に左右されることなく、正確に病変部を判定できる。

（実施の形態４）
本実施の形態では、画像特徴量管理番号を複数の施設で共有することで、画像特徴量の算出方法の違いに左右されることなく、正常画像の画像特徴量を共有できる診断支援測装置について説明する。特に、画像特徴量の算出方法が異なる場合に、画像特徴量を、一旦、画素値へ戻し、画像特徴量を再計算する形態を説明する。

図１５は、実施の形態４に係る診断支援装置１２００の機能的な構成を示すブロック図である。診断支援装置１２００は、通信制御部１２０１と、画像特徴量照合部１１０１と、データ受信部１１０２と、画素値変換部１１０３と、画像特徴量算出部１１０４と、基底表現部１２０２と、正常係数格納部１０４とを備える。なお、図１３または図１４と同様の部分については同じ符号を付し、詳細な説明を省略する。

通信制御部１２０１は、画像サーバ１００２に対して、診断支援装置１２００が画像サーバ１００２から正常画像基底係数ベクトル１００３と画像特徴量管理番号１５２を受信することを通知する。また、通信制御部１２０１は、データ受信部１１０２に対して、データ受信部１１０２が正常画像基底係数ベクトル１００３と画像特徴量管理番号１５２を受信することを伝える。

基底表現部１２０２は、式２を用いて、画像特徴量ｆｐを基底係数ベクトルαｐに変換して、正常係数格納部１０４へ出力する。なお、画像特徴量ｆｐは、正常係数格納部１０４に格納されている基底係数ベクトルに対応する画像特徴量と同じ種類の画像特徴量である。画像特徴量ｆｐは、画素値変換部１１０３および画像特徴量算出部１１０４により算出される。

以上の処理により、診断支援装置１２００は、他施設の画像サーバ１００２で作成された正常画像基底係数ベクトルを正常係数格納部１０４に追加できる。特に、診断支援装置１２００と画像サーバ１００２とで画像特徴量の算出方法が異なる場合でも、画像サーバ１００２で作成された正常画像基底係数ベクトルを正常係数格納部１０４に追加できる。ある施設で取得した正常画像を他施設でも利用可能な正常画像基底係数ベクトルに変換できるため、診断精度の向上につながる。

なお、実施の形態４によりデータが更新された正常係数格納部１０４は、実施の形態３に示した診断支援装置１１００において利用される。

（実施の形態５）
本実施の形態では、画像特徴量管理番号を複数の施設で共有することで、画像特徴量の算出方法の違いに左右されることなく、病変部を検出できる診断支援測装置について説明する。特に、施設ごとに画像特徴量の算出方法が異なる場合に、すべての施設で、画像特徴量の算出方法と、基底ベクトルとを統一する形態を説明する。本実施の形態では、画像サーバと診断支援装置との間で画像特徴量の算出方法と、基底ベクトルとを統一する例について説明する。

図１６は、実施の形態５に係る診断支援装置１３００の機能的な構成を示すブロック図である。診断支援装置１３００は、通信制御部１０１と、画像特徴量照合部１３０１と、データ受信部１３０２と、画素値変換部１１０３と、画像特徴量算出部１１０４と、画像特徴量変換部１３０４と、基底表現部１３０５と、正常係数格納部１３０３と、最近傍ベクトル検出部１０６と、病変判定部１０７と、閾値記憶部１０８と、判定結果出力部１０９と、判定結果表示部１１０とを備える。なお、図１４と同様の部分については同じ符号を付し、詳細な説明を省略する。

画像特徴量照合部１３０１は、正常係数格納部１０４に格納されている正常画像の画像特徴量（係数）の画像特徴量管理番号を保持しており、画像サーバ１５０から受け取った画像特徴量管理番号１５２と一致するか照合する。

両者が一致している場合は、画像特徴量照合部１３０１は、データ受信部１３０２に対して、データ受信部１３０２の出力ポートＡから検査データ１５１を最近傍ベクトル検出部１０６へ出力させる。その後、診断支援装置１３００が、実施の形態１に係る診断支援装置１００と同じ動作で病変検出を行う。

両者が一致しない場合は、画像特徴量照合部１３０１は、データ受信部１３０２に対して、データ受信部１３０２の出力ポートＢから検査データ１５１を画素値変換部１１０３へ出力させる。その後、画素値変換部１１０３および画像特徴量算出部１１０４が、検査データ１５１を、正常係数格納部１０４に格納されている基底係数ベクトルに対応する画像特徴量と同じ種類の画像特徴量に変換する。また、画像特徴量照合部１３０１は、正常係数格納部１３０３に対して、正常係数格納部１３０３に格納してある基底係数ベクトルを画像特徴量変換部１３０４へ出力するように指示する。正常係数格納部１３０３は、指示に従い、画像特徴量変換部１３０４に基底係数ベクトルを出力する。

画像特徴量変換部１３０４は、正常係数格納部１３０３から受け取った基底係数ベクトルに対して、式２に示す変換処理の逆変換処理を施すことにより、基底係数ベクトルを画像特徴量へ変換し、基底表現部１３０５に出力する。

基底表現部１３０５は、画像サーバ１５０から受信した基底係数ベクトルを変換した画像特徴量と、正常係数格納部１３０３に格納されている基底係数ベクトルを変換した画像特徴量とを取得する。これらは、同じ算出方法により算出された画像特徴量である。基底表現部１３０５は、これらの画像特徴量から式２により、それぞれ基底係数ベクトルを算出する。したがって、画像サーバ１５０と診断支援装置１３００の両方のデータを使って、基底ベクトルは新たに更新されることになる。

以上の処理により、診断支援装置１３００は、画像サーバ１５０との間で画像特徴量の算出方法が異なる場合、検査データ１５１に含まれる基底係数ベクトルと正常係数格納部１３０３に格納されている基底係数ベクトルとをともに再計算するとともに、基底ベクトルを更新する。これにより、正確な病変検出を可能にする。つまり、画像特徴量の表現方法または算出方法に左右されることなく、正確に病変部を判定できる。

（実施の形態６）
本実施の形態では、画像特徴量管理番号を複数の施設で共有することで、画像特徴量の算出方法の違いに左右されることなく、正常画像の画像特徴量を共有できる診断支援測装置について説明する。特に、画像特徴量の算出方法が異なる場合に、すべての施設の画像特徴量の算出方法を統一し、基底ベクトルをすべての施設で共有する形態を説明する。

図１７は、実施の形態６に係る診断支援装置１４００の機能的な構成を示すブロック図である。診断支援装置１４００は、通信制御部１４０１と、画像特徴量照合部１３０１と、データ受信部１３０２と、画素値変換部１１０３と、画像特徴量算出部１１０４と、基底表現部１４０２と、正常係数格納部１３０３と、画像特徴量変換部１３０４とを備える。なお、図１４、図１５または図１６と同様の部分については同じ符号を付し、詳細な説明を省略する。

通信制御部１４０１は、画像サーバ１００２に対して、診断支援装置１４００が画像サーバ１００２から正常画像基底係数ベクトル１００３と画像特徴量管理番号１５２を受信することを通知する。また、通信制御部１４０１は、データ受信部１３０２に対して、データ受信部１３０２が正常画像基底係数ベクトル１００３と画像特徴量管理番号１５２を受信することを伝える。

基底表現部１４０２は、式２を用いて、画像特徴量ｆｐを基底係数ベクトルαｐに変換して、正常係数格納部１０４へ出力する。なお、画像特徴量ｆｐは、画像特徴量算出部１１０４から出力される画像特徴量または画像特徴量変換部１３０４から出力される画像特徴量である。画像特徴量算出部１１０４から出力される画像特徴量は、正常画像基底係数ベクトル１００３から算出され、正常係数格納部１０４に格納されている基底係数ベクトルに対応する画像特徴量と同じ算出方法により算出された画像特徴量である。画像特徴量変換部１３０４から出力される画像特徴量は、正常係数格納部１３０３に格納されている基底係数ベクトルから変換された画像特徴量である。

以上の処理により、診断支援装置１４００は、他施設の画像サーバ１００２で作成された正常画像基底係数ベクトルを正常係数格納部１３０３に追加できる。特に、診断支援装置１４００と画像サーバ１００２とで画像特徴量の算出方法が異なる場合でも、画像サーバ１００２で作成された正常画像基底係数ベクトルを正常係数格納部１３０３に追加できる。このため、患者の体型の違い、または撮影装置もしくは撮影条件の違いなどに左右されない病変検出を支援できる。

なお、実施の形態６によりデータが更新された正常係数格納部１０４は、実施の形態５に示した診断支援装置１３００において利用される。

以上説明したように、上述の実施の形態１〜６によると、画像特徴量の算出方法の違い、または正常画像のデータの違いなどに左右されずに病変検出を支援できる。また、正常画像を安定に、効率良く作成できる。故に、画像診断医の記憶に基づいた正常画像と検査画像の比較をコンピュータにより実行することができ、画像診断医の診断を客観的に支援できる。また、診断結果はインフォームド・コンセント、医療教育または基礎医学など、様々な場面で活用できる。

また、効率よく、かつ正確に病変部を検出できる。画像診断医は、日々更新される過去症例データを参考にしながら新しい検査を行う。このため、コンピュータによる病変検出は画像診断医の作業効率を高め、医療ワークフローを円滑にまわすことができる。病名および病状の確定は治療方針の決定に大きな影響を与えるため、診断支援装置による診断支援は医療全体の効率化、質的向上に貢献できる。

なお、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。ここで、上記各実施の形態の診断支援装置などを実現するソフトウェアは、次のようなプログラムである。

すなわち、このプログラムは、コンピュータに、互いに異なる基底ベクトルである、病変部の像を含むか否かが未知である検査画像の画像特徴量である検査特徴量の基底表現に用いる基底ベクトルと、病変部の像を含まない正常画像の画像特徴量である正常特徴量の基底表現に用いる基底ベクトルとを一致させる基底ベクトル一致化ステップと、各々が基底ベクトルを一致させた後の係数である、前記正常特徴量を基底表現した際の係数と、前記検査特徴量を基底表現した際の係数と、の差が、判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する病変判定ステップと、前記病変判定ステップにおける判定結果を出力する判定結果出力ステップとを実行させる。

なお、本発明によって複数の施設間で基底ベクトルが共有化された後は、基底ベクトルを施設間で送る必要はない。施設間でやりとりするデータは基底係数ベクトルとなる。基底係数ベクトルは基底ベクトルとのセットで機能を発揮し、単独では意味を持たない。そこで、複数の施設間で基底係数ベクトルをやり取りすることとすれば、仮に、他者がやり取りされている基底係数ベクトルを入手したとしても、利用価値が無く、情報セキュリティの観点からメリットがある。

施設Ａの画像データを施設Ｂへ送り、施設Ｂで、施設Ａおよび施設Ｂの画像データから基底ベクトルを計算する場合を考える。施設Ｂでは、施設Ａおよび施設Ｂの画像データに共通する基底ベクトルを保有しているが、現時点では施設Ａにはその基底ベクトルが渡っていない。施設Ｂで計算した共通の基底ベクトルをそのまま施設Ａに送っても構わないが、セキュリティ上、問題が大きい。なぜならば、一旦、基底ベクトルが他者に知られてしまうと、その後に入手した基底係数ベクトルから元の画像を復元できるからである。そこで、図１８（ａ）に示すように、基底ベクトルを表わす信号列をいくつかに分割し、時間差をつけて送信すれば情報漏洩のリスクが低くなる。

すなわち、時間Ｔ１に施設Ｂから施設Ａに送られた信号列１７０１は、ＩＤナンバー１７０２およびデータ列１７０３から成る。また、時間Ｔ２に施設Ｂから施設Ａに送られた信号列１７０４は、ＩＤナンバー１７０５、データ列１７０６から成る。つまり、信号列１７０１および信号列１７０４は、ネットワーク上で、互いに異なる時間Ｔ１および時間Ｔ２にそれぞれ送信される。さらに、施設Ｂは、信号列１７０１と信号列１７０４との連結の仕方を示した連結情報を示す信号列１７０７を、時間Ｔ３において施設Ａへ送る。施設Ａでは、信号列１７０７を読み取って、信号列１７０７が示す連結情報を取得する。図１８（ａ）の例では、信号列１７０７から、連結情報として、ＩＤナンバー「１０１」および「３２３」が読み取られる。この連結情報に従って、施設Ａでは、ＩＤナンバー１７０２に「１０１」が記された信号列１７０１と、ＩＤナンバー１７０５に「３２３」が記された信号列１７０４とが、その順番で選択される。また、図１８（ｂ）に示すように、信号列１７０１に含まれるデータ列１７０３と、信号列１７０４に含まれるデータ列１７０６とがその順番で結合される。例えば、画像サーバ１５０のデータ送信部１５４から、信号列１７０１、１７０４および１７０４が、診断支援装置１００のデータ受信部１０２に対して送信される。データ受信部１０２は、信号列１７０１、１７０４および１７０４から上記した方法により、検査画像の画像特徴量の基底ベクトルを復元する。

なお、正常画像の画像特徴量の基底ベクトルは、たとえば図１１に示す病名の分類を参照して、これまでに登録されていない病名が出てきた際に更新しても良い。また、検査画像基底係数ベクトルと、最近傍ベクトルとして検出された正常画像基底係数ベクトルとの差が基準値を超えた場合に、基底ベクトルを更新しても良い。すなわち、図４に示す診断支援装置１００の代わりに、図１９に示す診断支援装置１８０４を用いても良い。診断支援装置１８０４は、診断支援装置１００の構成において、通信制御部１０１および最近傍ベクトル検出部１０６の代わりに通信制御部１８０３および最近傍ベクトル検出部１８０１を備え、さらに、最近傍検出監視部１８０２を備える。通信制御部１８０３および最近傍ベクトル検出部１８０１は、通信制御部１０１および最近傍ベクトル検出部１０６とそれぞれ同様の機能を有するが、さらに、以下に示す追加機能を有する。最近傍ベクトル検出部１８０１は、最近傍ベクトルが検出された際、正常画像基底係数ベクトルと検査画像基底係数ベクトルの差を最近傍検出監視部１８０２へ出力する。最近傍検出監視部１８０２は、正常画像基底係数ベクトルと検査画像基底係数ベクトルの差が基準値を超えた場合、想定外の検査画像が入力されたと判断して、通信制御部１８０３へ基底ベクトル更新の指示を送る。通信制御部１８０３は、基底ベクトルを更新するための制御を行う。

また、実施の形態１に係る診断支援装置１００は、検査画像の画像特徴量と正常画像の画像特徴量の算出方法が同じ場合にのみ、病変部の有無を判定した。これに加え、診断支援装置１００は、検査画像の画像特徴量と正常画像の画像特徴量の算出方法が異なる場合には、実施の形態３または５に示した診断支援装置１１００または１３００が実行するのと同じ処理を実行することにより、病変部の有無を判定してもよい。

以上、一つまたは複数の態様に係る診断支援装置について、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、一つまたは複数の態様の範囲内に含まれてもよい。

本発明は、医用画像から病変部を特定することにより、医師による画像診断を支援する診断支援装置等に適用可能である。

１００、１０００、１１００、１２００、１３００、１４００、１８０４ 診断支援装置
１０１、１５３、１００１、１００４、１２０１、１４０１、１８０３ 通信制御部
１０２、１１０２、１３０２ データ受信部
１０３ 画像特徴量照合部
１０４ 正常係数格納部
１０５、１００５ 基底ベクトル変換部
１０６、１８０１ 最近傍ベクトル検出部
１０７ 病変判定部
１０８ 閾値記憶部
１０９ 判定結果出力部
１１０ 判定結果表示部
１５０、１００２ 画像サーバ
１５１ 検査データ
１５２ 画像特徴量管理番号
１５４ データ送信部
８０１、１１０４ 画像特徴量算出部
８０２、１１０５、１２０２、１３０５、１４０２ 基底表現部
８０３ ベクトル距離算出部
１００３ 正常画像基底係数ベクトル
１１０１、１３０１ 画像特徴量照合部
１１０３ 画素値変換部
１３０３ 正常係数格納部
１３０４ 画像特徴量変換部
１８０２ 最近傍検出監視部
１９０１ 基底ベクトル一致化部

Claims (11)

1. 互いに異なる基底ベクトルである、病変部の像を含むか否かが未知である検査画像の画像特徴量である検査特徴量の基底表現に用いる基底ベクトルと、病変部の像を含まない正常画像の画像特徴量である正常特徴量の基底表現に用いる基底ベクトルとを一致させる基底ベクトル一致化部と、
   各々が基底ベクトルを一致させた後の係数である、前記正常特徴量を基底表現した際の係数と、前記検査特徴量を基底表現した際の係数と、の差が、判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する病変判定部と、
   前記病変判定部による判定結果を出力する判定結果出力部と
   を備え、
   前記基底ベクトル一致化部は、前記検査特徴量の種類と前記正常特徴量との種類とが一致する場合に、前記検査特徴量の基底表現に用いる基底ベクトルを前記正常特徴量の基底表現に用いる基底ベクトルに一致させる変換処理を行うことにより、前記正常特徴量の基底ベクトルに係数を乗じた線形和で、前記検査特徴量を記述する基底ベクトル変換部を含み、
   前記病変判定部は、前記正常特徴量を基底表現した際の係数と、基底ベクトルが変換された後の前記検査特徴量の係数との差が、前記判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する、
   診断支援装置。
2. さらに、
   前記正常特徴量を基底表現した際の係数を少なくとも１つ格納している正常係数格納部を備え、
   前記病変判定部は、前記正常係数格納部が格納している前記正常特徴量の係数の中から選択された一の正常特徴量の係数と、基底ベクトルが変換された後の前記検査特徴量の係数との差が、前記判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する
   請求項１記載の診断支援装置。
3. 前記基底ベクトル変換部は、さらに、前記正常特徴量と同一の種類の正常画像の画像特徴量を基底表現した際の第１の係数を外部の装置から受信し、前記第１の係数に対応する第１の基底ベクトルを、前記正常係数格納部が格納している前記正常特徴量の係数に対応する第２の基底ベクトルに一致させる変換処理を行うことにより、前記第１の係数に対応する画像特徴量を、前記第２の基底ベクトルに第２の係数を乗じた線形和で記述し、前記第２の係数を前記正常係数格納部に追加する
   請求項２記載の診断支援装置。
4. さらに、
   前記検査特徴量の基底ベクトルを分割した第１データと第２データとを異なる時間に受信し、受信した前記第１データと前記第２データとを結合することにより、前記検査特徴量の基底表現に用いる基底ベクトルを復元するデータ受信部を備える
   請求項１〜３のいずれか１項に記載の診断支援装置。
5. さらに、
   前記正常特徴量を基底表現した際の係数と、基底ベクトルが変換された後の前記検査特徴量の係数との差が、基準値よりも大きい場合に、前記正常特徴量の基底ベクトルを更新するための指示を出力する最近傍検出監視部を備える
   請求項１〜４のいずれか１項に記載の診断支援装置。
6. 前記基底ベクトル一致化部は、
   前記検査特徴量の種類と前記正常特徴量との種類とが一致しない場合に、前記検査特徴量を画素値に変換することにより、前記検査画像を復元する画素値変換部と、
   復元された前記検査画像から、前記正常特徴量と同一の種類の画像特徴量を算出する画像特徴量算出部と、
   前記画像特徴量算出部が算出した前記画像特徴量を、前記正常特徴量の基底表現に用いる基底ベクトルに係数を乗じた線形和で記述する基底表現部とを含み、
   前記病変判定部は、前記正常特徴量を基底表現した際の前記係数と、前記基底表現部での記述に用いられた前記係数との差が、前記判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する
   請求項１記載の診断支援装置。
7. さらに、
   前記正常特徴量を基底表現した際の前記係数を少なくとも１つ格納している正常係数格納部を備え、
   前記画素値変換部は、さらに、前記正常特徴量とは異なる種類の、正常画像の画像特徴量を、外部の装置から受信し、受信した前記画像特徴量を画素値に変換することにより、前記正常画像を復元し、
   前記画像特徴量算出部は、さらに、復元された前記正常画像から、前記正常特徴量と同一の種類の画像特徴量を算出し、
   前記基底表現部は、さらに、前記画像特徴量算出部が算出した前記画像特徴量を、前記正常特徴量の基底表現に用いる基底ベクトルに係数を乗じた線形和で記述し、当該係数を前記正常係数格納部に追加する
   請求項６記載の診断支援装置。
8. さらに、
   前記正常特徴量を基底表現した際の前記係数を、前記正常特徴量に変換する画像特徴量変換部を備え、
   前記基底表現部は、前記画像特徴量変換部が変換した後の前記正常特徴量と、前記画像特徴量算出部が算出した画像特徴量と、から基底ベクトルを算出し、変換された後の前記正常特徴量と算出された前記画像特徴量の各々を、算出した前記基底ベクトルに係数を乗じた線形和で記述する
   請求項６記載の診断支援装置。
9. さらに、
   前記正常特徴量を基底表現した際の前記係数を少なくとも１つ格納している正常係数格納部を備え、
   前記画素値変換部は、さらに、前記正常特徴量とは異なる種類の、正常画像の画像特徴量を、外部の装置から受信し、受信した前記画像特徴量を画素値に変換することにより、前記正常画像を復元し、
   前記画像特徴量算出部は、さらに、復元された前記正常画像から、前記正常特徴量と同一の種類の画像特徴量を算出し、
   前記基底表現部は、さらに、前記画像特徴量変換部が変換した後の前記正常特徴量と、前記画像特徴量算出部が算出した画像特徴量と、から基底ベクトルを算出し、算出した前記画像特徴量を、算出した前記基底ベクトルに係数を乗じた線形和で記述し、当該係数を前記正常係数格納部に追加する
   請求項８記載の診断支援装置。
10. コンピュータが実行する診断支援方法であって、
    互いに異なる基底ベクトルである、病変部の像を含むか否かが未知である検査画像の画像特徴量である検査特徴量の基底表現に用いる基底ベクトルと、病変部の像を含まない正常画像の画像特徴量である正常特徴量の基底表現に用いる基底ベクトルとを一致させる基底ベクトル一致化ステップと、
    各々が基底ベクトルを一致させた後の係数である、前記正常特徴量を基底表現した際の係数と、前記検査特徴量を基底表現した際の係数と、の差が、判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する病変判定ステップと、
    前記病変判定ステップにおける判定結果を出力する判定結果出力ステップと
    を含み、
    前記基底ベクトル一致化ステップは、前記検査特徴量の種類と前記正常特徴量との種類とが一致する場合に、前記検査特徴量の基底表現に用いる基底ベクトルを前記正常特徴量の基底表現に用いる基底ベクトルに一致させる変換処理を行うことにより、前記正常特徴量の基底ベクトルに係数を乗じた線形和で、前記検査特徴量を記述する基底ベクトル変換ステップを含み、
    前記病変判定ステップにおいて、前記正常特徴量を基底表現した際の係数と、基底ベクトルが変換された後の前記検査特徴量の係数との差が、前記判定閾値よりも大きい場合に、前記検査画像が病変部の像を含むと判定する、
    診断支援方法。
11. 請求項１０に記載の診断支援方法をコンピュータに実行させるためのプログラム。
    

Images